论文部分内容阅读
人脸识别技术是计算机视觉、计算机图形学中的一个研究热点和难点,在过去的几十年中得到了迅速的发展。但是,由于人脸非刚性、表情多变等诸多因素,使得人脸识别在实际应用中面临巨大困难,人脸识别已经成为一项极具挑战性的研究课题。本文将遗传算法应用于人脸识别的图像分割、人脸定位和角度矫正等环节,建立了相应的数学模型。具体做法是,将遗传算法用于最大熵的图像分割中,对一维及二维阈值分割情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像方法分割。在人脸的识别算法中,建立了人脸矩形区域模板中双眼、鼻子和嘴巴存在性度量检测数学模型,以它们存在性度量的加权和作为遗传算法的适用度度量函数。在遗传算法的算子和执行策略的设计中,采用“精英选择”策略、由父代和子代染色体参与的两点和多点杂交算子以及由两条染色体参与的变异算子,从而最大限度地避免了早熟收敛。另外,在遗传算法设计中还添加了一种“逆转算子”,即在一条染色体上随机选择两点构成一个子串,首尾倒置形成新子串替代原子串在个体中的位置。本文对于提出的遗传算法,给出了遗传算子的数学描述,并应用遗传算法概率收敛性理论和马氏链理论对算法进行了收敛性分析,对提出的遗传算法的收敛性进行了证明。仿真实验表明,本文提出的遗传算法与改进前遗传算法相比,其收敛速度、解的精度以及人脸识别率都有显著的提高。